面向語(yǔ)境協(xié)同的Deepweb知識(shí)檢索技術(shù).pdf

1、隨著互聯(lián)網(wǎng)的不斷發(fā)展，尤其是web2.0以后，其中大部分的數(shù)據(jù)都是De ep web中數(shù)據(jù)。在中國(guó)隨著電子商務(wù)等交互式應(yīng)用的爆發(fā)性增長(zhǎng)，中文評(píng)論數(shù)據(jù)成為Deep web知識(shí)檢索中重要的部分，所以對(duì)評(píng)論領(lǐng)域的知識(shí)檢索研究將變得很有意義。傳統(tǒng)的基于關(guān)鍵詞匹配的信息檢索已經(jīng)不能夠滿足用戶對(duì)具體信息和知識(shí)的需求，為此知識(shí)檢索應(yīng)運(yùn)而生并等到了各界越來(lái)越多的關(guān)注?，F(xiàn)有的知識(shí)檢索技術(shù)還比較少，主要都是基于龐大的知識(shí)庫(kù)的研究，對(duì)特定領(lǐng)域的研究過(guò)于復(fù)雜，

2、帶來(lái)的效率也大大降低。對(duì)評(píng)論數(shù)據(jù)的知識(shí)檢索需要一種新的知識(shí)抽取的方法。
　　中文評(píng)論數(shù)據(jù)知識(shí)抽取框架的基本思想是從自身評(píng)論數(shù)據(jù)中抽取知識(shí)。研究中提出了一個(gè)新的概念：知識(shí)空間，它是商品知識(shí)的集合。該框架主要包含兩個(gè)部分：構(gòu)建知識(shí)空間，使用基于Sk ip-gra m模型訓(xùn)練學(xué)習(xí)評(píng)論數(shù)據(jù)構(gòu)建知識(shí)空間，該方法不需要任何提取特征和模式匹配，因此可以適用于大規(guī)模數(shù)據(jù)，并可以拓展到并行處理；知識(shí)檢索和結(jié)果優(yōu)化，使用歐式距離的思想找到和查詢關(guān)鍵詞

3、相關(guān)的實(shí)體知識(shí)并使用2-gram方法優(yōu)化檢索結(jié)果?；贖ierarchical softmax的快速建立知識(shí)空間的算法是構(gòu)建知識(shí)空間過(guò)程中的優(yōu)化部分，這種方法應(yīng)用了數(shù)學(xué)理論中的梯度下降法，每次選擇的都是最佳的路徑。
　　針對(duì)評(píng)論數(shù)據(jù)的基于Skip-gra m神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型的知識(shí)檢索框架，不僅在反應(yīng)時(shí)間和準(zhǔn)確率上有不錯(cuò)的表現(xiàn)，在用戶體驗(yàn)上更加的優(yōu)秀。給用戶提供的是更加豐富的關(guān)于商品的知識(shí)，這比傳統(tǒng)的基于關(guān)鍵詞匹配的檢索方法給出的結(jié)